我正在尝试使用dplyr查找数据框中变量的平均长度:
聚合函数将采用dplyr在每个桶上发现的计数,并对它们进行求和,除以包含该"
x <- data %>% group_by(Date, `% Bucket`) %>% summarise(count = n())
Date % Bucket count
(date) (fctr) (int)
1 2015-01-05 <=1 1566
2 2015-01-05 (1-25] 421
3 2015-01-05 (25-50] 461
4 2015-01-05 (50-75] 485
5 2015-01-05 (75-100] 662
6 2015-01-05 (100-150] 1693
7 2015-01-05 >150 12359
8 2015-01-13 <=1 1608
9 2015-01-13 (1-25] 441
10 2015-01-13 (25-50] 425
如何使用dplyr
按年份在每个% Bucket
上进行聚合并计算平均值?
in base:
x <- as.data.frame(x)
aggregate(count ~ `% Bucket`, data = x, FUN=mean)
% Bucket count
1 <=1 2609.5294
2 (1-25] 449.0000
3 (25-50] 528.7059
4 (50-75] 593.2157
5 (75-100] 763.0000
6 (100-150] 1758.6667
7 >150 12457.9216
聚合函数将采用dplyr在每个桶上发现的计数,并对它们进行求和,除以包含该"
% Bucket
"变量的行数,并给出结果。但是,如何使用dplyr完成这个任务呢?这不是关于解决问题,而是了解在这种情况下如何使用dplyr包。
这种类型的另一个例子是summarise
每个group_by
变量的n()
,并列出该变量在52周中的最小长度“count”。
我感到困惑,因为dplyr似乎是建立在找到列中值的平均值基础上的,但是在这里,我正在统计给定列中变量的行出现次数,并试图找到其平均值、最小值、最大值等信息。
aggregate
的那个,那么应该是x %>% group_by(
% Bucket) %>% summarise(Mean= mean(count))
。 - akruncount
)用作变量是不好的编程习惯。如有必要,请考虑使用一些前缀,例如my_count
。 - Nettle